APLIKASI MODEL SMAR PADA DUA DAS IDENTIK

(1)

APLIKASI MODE L SMAR PADA DUA DAS IDE NTIK

Application of SMAR Model at Two Identical Watershed

Indarto

Lab. Teknik Pengendalian dan Konservasi Lingkungan (TPKL), PS Teknik Pertanian, Fakultas Teknik Pertanian, Universitas Negeri Jember

E -mail: indarto.ftp@ unej.ac.id

ABST RACT

This paper shows the evaluation process (calibration and validation) of SMA R (The Soil Moisture A ccounting Rainfall-Runoff) model at two identical catchment areas (Rawatamtu and Kloposawit) in E ast Java – Indonesia. Daily discharge, rainfall data and meteorological data were collected from mea-surement stations located at the catchments areas. Potential evapotranspiration (PE T) was calculated from meteorological data extracted from existing stations located inside of the catchments. Calibration was conducted for periods of: 1991 to 1994, while validation was tested fro periode of: 1995 to 2000. Model performance was evaluated by means of: (1) Nash-Sutcliffe coefficient, (2) correlation coefficient and (3) graphical comparation of calculated and measured flow. The result show the Nash-Sutcliffe coeffient = 0,73 and correlation coefficient = 0,86 for calibration period at Rawatamtu, while the same coefficients for Kloposawit are 0,54 and 0,74. Validation periode produce Nash-sutcliffe and correla-tion coefficients = 0,35 and 0,64 for Rawatamtu. While for Kloposawit the values are 0,48 and 0,81.

Key words: Calibration, Validation, SMAR Model, identical catchments, E ast Java

ABSTRAK

Tulisan ini memapark an proses dan hasil k alibrasi dan validasi model SMA R (The Soil Moisture Accounting Rainfall Model) pada dua sub-DA S yang relatif identik k arak teristik fisik nya (SubDas Rawatamtu dan SubDas Kloposawit, Jawa Timur). Data hujan harian, evaporasi harian dan debit harian diperoleh dari alat uk ur yang terletak pada k edua SubDA S tersebut. Metodologi mencak up: visualisasi data, k alibrasi dan validasi model. Kalibrasi dilak uk an menggunak an k ombinasi metode A utomatic dan Manual yang tersedia pada model. Kalibrasi dilak uk an pada periode: 1991 sd 1994. Validasi dilak uk an pada periode: 1995 sd 2000. Selanjutnya, Coefficient Nash-Sutcliffe, k oeffisien k orelasi dan perbandingan grafik debit teruk ur dan terhitung digunak an untuk menilai hasil k alibrasi dan validasi. Proses k alibrasi pada Sub-DA S rawatamtu menghasilk an k oefisien Nash = 0,73 dan k oeffisien k orelasi = 0,86.Kalibrasi pada Sub-DA S Kloposawit menghasilk an k oefisien N ash = 0,54 dan k orelasi = 0,74. Validasi pada periode selanjutnya menghasilk an k oefiisien Nash = 0,35 dan k orelasi = 0,64 untuk sub DA S Rawatamtu. Validasi pada sub-Das Kloposawit menghasilk an k oefisien Nash = 0,48 dan k orelasi = 0,81.

(2)

PE NDAH ULUAN

SMAR (soil moisture and accounting) adalah model konseptual global hujan-aliran (rain-fall runoff) untuk neraca air. Fokus utama adalah pemodelan proses hidrologi terkait dengan perubahan kadar lengas tanah

(O’Connell et al., 1970; Kachroo, 1992; Tuteja

and Cunnane, 1999). Model menghitung

aliran permuka-an, debit air-tanah (ground-water discharge), evapotranspirasi dan kehilang-an (leak age) dari profil tanah untuk seluruh wilayah D AS (D aerah Aliran Sungai) pada interval waktu harian.

Struktur Model dan Deskripsi Proses Hidrologi

Model SMAR terdiri dari dua komponen utama: (1) neraca air dan (2) penelurusan aliran. SMAR menggunakan input berupa data hujan dan evaporasi (hasil pengukuran panc i evaporasi) untuk simulasi debit aliran sungai pada DAS. Model dikalibrasi dengan data pengukuran debit outlet DAS. Komponen neraca air membagi kolom tanah menjadi lapisan-lapisan horizontal. Lapisan tersebut diasumsikan telah mengandung sejumlah lengas tanah (soil moisture), biasanya 25 mm ekuivalen tebal-air pada kapasitas lapang. E vapo rasi dari per mukaan tanah dimodelkan dan diasumsikan mengurangi kadar air di dalam tanah secara ekspo nensial dari nilai keb utuhan evapotranspirasi potensial. K omponen penulusuran aliran (routing component)

mentransfert aliran-permukaan (runOff)

yang dihasilkan oleh komponen neraca air sampai o utlet D AS mengguna-kan persamaan G amma dari Nash(1960). Persamaan tersebut diselesaikan dengan persamaan differensial dalam sistem input dan output tunggal. Selanjutnya, aliran air-bawah-tanah (groundwater flow) yang dihasilkan, dipropagasi melalui

reservoir-linear tunggal yang selanjutnya memberi kontribusi ke aliran sungai pada outlet DAS. Model SMAR menggunakan (5) pa-rameter neraca air dan (4) papa-rameter untuk penelusuran aliran.

Aliran yang dihasilkan oleh permukaan tanah di dalam DAS (landscape) ditransfer

(attenuation and lag) ke outlet menggunakan model-reservoir-linear-bertingkat (linear-cascade model) dari Nash(1960).

Penyelesaian umum untuk menyatakan hubungan antara satu satuan volum input dan output dinyatakan dalam persamaan (1):

 

dτ

K τ K τ -exp KT(n) 1 t 1 t h 1 n t 1 -t             





_{-- (1)}

dimana:

t = interval simulasi (d) d = hari

τ = waktu (s) = detik

K₁= K₂ = ... = K_n= K adalah koefisien penyimpanan dari sejumlah (n) res-ervoir-linear yang disusun secara bertingkat,

h(t) = ordinat dari fungsi respon pada hitungan ke (d-1₎

 

n exp

 

-

τ

n 1d

τ

0

 







_{adalah fungsi}

gamma dari sistem (tidak berdimensi).

Selanjutnya dijelaskan oleh Nash (1960):

(3)

ad-equately, almost all shapes commonly encountered in the hydrological context”.

Komponen Neraca Air

Komponen neraca air menggunakan (5) parameter untuk mendeskripsikan gerakan air masuk dan ke luar pada kolom tanah di bawah kondisi tekanan atmosfer, yaitu: C, Z, H, Y dan T.

1. Parameter C (tidak- berdimensi) mengatur penguapan dari lapisan tanah. E vaporasi diasumsikan b erub ah sebagai fungsi eksponensial dari bentuk Ci-1_{, di mana C bernilai antara}

0 dan 1 dan ( i_{) = 1,2,3,...}

menunjuk-kan urutan lapisan tanah. Oleh karena itu jika diberikan nilai evaporasin po tensial, lapisan pertama akan memenuhi kebutuhan ini pada laju potensial, lapisan ke dua pada laju C, lapisan ke tiga dengan laju C2_{, dan}

seterusnya. Hal ini akan meng-gambarkan pengurangan kadar lengas tanah secara eksponensial. Laju evapotranspirasi potensial dari lapisan atas pada hakekatnya mewakili eva-potranspirasi dari reservoir intersepsi dan lapisan tanah bagian atas, dengan asumsi tidak ada hambatan oleh gaya kapilaritas tanah.

2. Parameter Z(mm), mewakili kapasitas penyimpanan lengas effektif (effective moisture storage capacity) dari tanah yang berkontribusi terhadap mekanisme pembentukan aliran. T iap lapisan mengandung 25 mm air pada kapasitas lapang.

3. Parameter H (tidak berdimensi), digunakan untuk mengestimasi variabel H’, bagian dari kelebihan hujan (rainfall ex cess) yang menjadi aliran, karena tanah telah jenuh (aliran ini sering disebut sebagai Dunne run-off). H’ diperoleh dari nilai H, kelebihan

hujan dan kejenuhan tanah. Kejenuh-an tKejenuh-anah (soil saturation) didefinisikan sebagai perbandingan antara kadar lengas yang tersedia (dalam mm pada waktu t _{(days) dan 125 mm. Nilai 125}

mm, melambangkan kadar air maksimum lima lapisan pertama. 4. Parameter Y (mm.d–1₎

menggambar-kan kapasitas infiltrasi tanah dan digunakan untuk mengestimasi aliran yang dihasilkan karena kapasitas inf iltrasi tanah telah terlampaui (Hortonian run-off).

5. Parameter T (tidak berdimensi), di-gunakan untuk menghitung evaporasi potensial dari panci evaporasi (E ).

Aliran permukaan dihitung dari kelebihan hujan (excess rainfall) sebagai: aliran karena tanah jenuh (satutation excess runoff) + aliran Horton + proporsi lengas tanah (1-G) yang melebihi kapasitas penyimpanan tanah(misalnya: through flow).

Penelusuran Aliran secara Lateral

Air tanah dan aliran permukaan yang dihasilkan dari komponen neraca-air, dialirkan untuk simulasi selang waktu (lag time) sejak kejadian hujan sampai aliran teramati pada outlet DAS. Persamaan yang digunakan untuk memodelkan komponen aliran secara lateral adalah sebagai berikut (Kachroo dan Liang, 1992).

Komponen aliran permukaan

Aliran permukaan yang dihasilkan (rs, dalam mm/hari) dan propagasi aliran

( T r

Q _{,mm/hari) dapat dicari nilai reratanya,}

menggunakan persamaan (2) dan (3), untuk merepresentasikan nilai harian.

 

r

 

τ

d

τ

t 1 t r

t

-τ

s

(4)

 

Q

 

τ

d

τ

t

1 t Q

t

-τ

r T r

T





--- (3)

Persamaan linear (4) merupakan per-samaan sederhana yang menghubungkan antara input sebagai fungsi waktu (aliran yang dihasilkan) dan aliran yang ditranfer

(routed run-off). Persamaan ini digunakan dalam pemodelan konseptual, sebagai komponen yang merepresentasikan proses penelusuran aliran.

 

t h(j)r(t j 1) Q

m

1 j

s r

T









 --- (4)

di mana :

m = pulse response function (d).

Komponen aliran airtanah

Persamaan kesetimbangan massa untuk aliran air bawah tanah dapat ditulis (5).

 

DS τ)

dt dS(τS Q

τ

Qrech_T  r_T   ( _{--- (5)}

keterangan:

T rech

Q _{= air tanah yang terisi ulang (mm/s)}

T r

Q _{= air tanah yang dilepaskan (mm/s)}

τ = waktu (s)

S (τ) = simpanan air tanah

D = d/dτ = operator diferensial (s-1_). Input Model

Data masukan (input) terdiri dari: 1. Hujan (rainfall)

Data rentang waktu (time series) hujan yang kontinyu. D ata hujan tersebut adalah nilai hujan wilayah yang mewakili DAS. Hanya data hujan dalam satuan (mm/hari) yang dapat digunakan.

2. E vaporasi

Data evapotranspirasi potensial (PE T) yang kontinyu atau evapotranspirasi aktual yang mewakili evapotranspirasi DAS (satuan mm/hr).

3. Pengukuran aliran (data debit)

D ata debit harian digunakan untuk proses kalibrasi model. Satuan yang dapat digunakan: (mm/hari) atau (m3_/

s). Jika input data adalah m3_{/s maka}

luas daerah tangkapan hujan harus diketahui.

4. Luas daerah tangkapan hujan

D ata ini diperlukan untuk konversi masukan (input) dan luaran (output) antara debit dalam satuan (m3_/detik)

dan ke debit dalam (mm/hari).

Luaran model

D ata luaran (output) dari model SMAR adalah berupa aliran harian ataupun bulanan (Tabel 1).

Nilai parameter

Mo del akan memberikan nilai awal tertentu (default) sebelum setting parameter dilakukan. Nilai parameter model (mini-mum, maksimum dan default) diberikan dalam Tabel 2.

Selanjutnya, proses kalibrasi dan validasi pada suatu DAS akan menghasilkan nilai pera-meter diantara minimum dan maksimum.

Aplikasi model

Model SMAR merupakan bagian dari satu paket program aplikasi yang disebut RRL

(5)

berbagai fasilitas untuk proses kalibrasi model. Model-model RRL sudah ditest pada DAS dengan ukuran dari 10km2_sd

10000 km2_{(Podger, 2004). Artikel ini}

memaparkan hasil kalibrasi dan validasi model pada pada dua sub-DAS yang relatif identik (sub DAS Rawatamtu dan sub-DAS K lopoSawit).

ME TODE PE NE LITIAN

Lokasi Penelitian

Penelitian dilakukan di sub-DAS Rawatamtu

(bagian dari DAS Bedadung) dan sub-DAS KlopoSawit (bagian dari DAS Sampean). Ke dua DAS terletak di Wilayah Tapalkuda – Jawa Timur (Gambar 1).

Secara G eografis sub-DAS Rawatamtu terletak pada: 70_58’8" _{- 8}0_{13’52" LS}

(Lintang selatan) dan 1130_{35' – 114}0_1’17"

B T(B ujur Timur). Secara administratif meliputi wilayah Kabupaten Jember (92%) dan Kabupaten Bondowoso (8%) dengan luas sub-DAS sekitar 698 km2_{. Sedangkan,}

sub-D AS K lopoSawit terletak pada 70_48’11"LS_{- 8}0_{6’59"LS dan 113}0_40’9"BT

Tabel 1. Luaran Model SMAR

Sumber: Podger, 2004

Tabel 2. Luas Hamparan Jenis Batuan di Daerah Penelitian

Sumber: hasil analisis

Data rentang Waktu Satuan Interval Waktu

I klim Hujan (Rainfall) mm/hari harian

E vaporasi (E vapotranspiration) mm/hari harian Aliran D ebit terukur (Observed flow) mm/hari (m3_/detik) _harian

D ebit terhitung (Simulated flow) mm/hari (m3_/detik) _{harian/ bulanan}

Parameter Nilai Default Nilai Minimum N ilai Maksimum

C 0 0 1

G 0 0 1

H 0 0 1

K g 0 0 1

N 1 1 6

NK 1.00 0.01 1.00

T 0 0 1

Y 0 0 5000

(6)

Gambar 1.

Sub-Das Rawatamtu Dan Sub-Daskloposawit, Menunjukkan : Batas DAS,

Peta Ketinggian (DE M), Jaringan Sungai, Lokasi Stasiun Hujan, Lokasi Awlr – 1140_{3’39"BT yang meliputi sebagian}

besar wilayah K abupaten B ondowoso (94% ) dan sebagian kecil K abupaten Jember (6%), dengan luas total sub-DAS sekitar 706 km2_.

Kedua sub-DAS saling membelakangi pada sisi hulunya dan membentuk triangle-melebar. Sub-DAS Kloposawit mengalir ke arah Situbondo (Laut Utara) sebaliknya sub-DAS Rawatamtu mengalir ke Laut Selatan Pulau Jawa. Dari gambar (1) dan tabel (1), dapat disimpulkan bahwa luas dan bentuk kedua sub-DAS relatif identik. Perbedaan luas kedua sub-DAS, hanya sekitar (8/700 X 100%) = 1,1%.

Perbandingan karakteristik fisik men-cakup (topografi, peruntukan lahan, jenis

dan kelas tekstur tanah, hidro-geologi, jaringan sungai) menunjukkan bahwa karakteristik fisik ke dua D AS relatif identik (Tabel 3).

Sedangkan karakteristik hidroklimatologi ke dua DAS ralatif tidak identik, meskipun ke dua DAS berada pada wilayah yang sama.

Data Masukan

Data Hujan

(7)

Periode rekaman yang digunakan adalah dari tahun 1991 sd 2005. Hujan wilayah dihitung berdasarkan nilai rerata hujan-harian dari 17 dan 18 stasiun hujan tersebut secara aritmatik.

E vapotranspirasi

Nilai evapotranspirasi potensial (PE T/ E to) dihitung dari data klimatologi yang diambil dari stasiun klimatologi yang ada pada masing-masing sub-DAS (stasiun Cindogo dan Stasiun K aliwining). Input data berupa: kecepatan angin, lama penyinaran matahari, suhu dan kelembaban udara. Periode rekaman yang digunakan dari tahun 1991 sd 2000. Perhitungan dilakukan dengan menggunakan metode Penman-Monteith FAO Irrigation and D rainage Paper No 56 (Allen, 2006), dengan rumus:







₂



2 n

0

0.34U 1 γ

ea) -es U 273 T

900 γ G R 0.408 E T

 

 

  

 ( --- (6)

Keterangan :

Eto = Evapotranspirasi potensial (mm/hari) D = Slope tekanan uap jenuh (kP_ao_C-1₎

g = Konstanta psychrometric (kP_ao_C-1₎

Rn = Radiasi netto (MJ/m2_hari)

U₂ = Kecepatan angin rerata (m/s) e_a = Tekanan uap rata-rata (kP_a) e_s = Tekanan uap jenuh (kP_a) T = Suhu rata-rata (o_C)

G = Flux panas tanah (MJ/m2_hari).

Data Debit

Data debit diperoleh dari stasiun AWLR yang terpasang pada outlet ke dua Sub DAS, yaitu: stasiun AWLR di Rawatamtu dan AWLR di Kloposawit. Periode rekaman data debit antara: 1991 sd 2000.

Format Data

D ata-data tersebut diurutkan dalam dua kolom E xcel (tanggal, data) dan disimpan ke dalam format comma delimited (*.csv). D ata tersebut selnajutnya diimport ke dalam model. Dari file (*.csv) selanjutnya disimpan dalam format space-separated-file (* .prn). F ile (* .prn) dapat dibuka dengan wordpad dan selanjutnya disimpan dalam format text (*.dat). File (*.dat) inilah yang selanjutnya diimport ke dalam model.

Tahap pemodelan

Tahap penelitian mencakup: (1 visualisasi data, (2) kalibrasi model, dan (3) Validasi (verifikasi) model.

Karakteristik

Sub-DAS

Rawatamtu Klopo Sawit

B entuk DAS T riangle melebar Triangle melebar

Luas (km2) 698 706

Range ketinggian (d.p.l) m (40 - 3218) (150 - 3218)

luas wilayah di atas ketinggian > 1000 m > 50% > 50%

B ifurcation ratio 3,69 3,7

Tabel 3. K arakteristik Sub-DAS

(8)

Tabel 4. Data Masukan untuk Pemodelan

Jenis data Rentang waktu

Hujan harian 1990 - 2000

E to harian 1990 - 2000

D ebit harian 1990 - 2000

Visualisasi data

Visualisi data digunakan untuk melihat ke-sesuaian antara data hujan dan data debit.

Pemilihan periode kalibrasi

K arena keterbatasan keseragaman data, maka untuk keperluan pemodelan diguna-kan rentang waktu antara 1990 sd 2000 (Tabel 4).

Selanjutnya, dari periode dimana terdapat data rentang-waktu (hujan, debit, evaporasi) dibagi menjadi dua periode: periode untuk kalibrasi dan periode untuk Validasi. Dalam hal ini, kalibrasi dilakukan pada periode pengukuran 1991 s/d 1994. Sedangkan validasi dilakukan dengan data dari tahun 1995 s/d 2000.

Kalibrasi dan validasi secara terpisah

Dalam penelitian ini, model terlebih dahulu di kalibrasi dan divalidasi (verifikasi) pada ke dua sub -D AS (K lopo Sawit dan Rawatamtu) secara terpisah.

a. Prosedur kalibrasi

Ada tiga metode kalibrasi yang disediakan paket Software RRL, yaitu: generic, manual, custom. Pada kasus ini dipilih metode kombinasi Generic dan manual.

b. Parameter dan kriteria

O ptimalisasi nilai parameter dilakukan setelah hasil kalibrasi dan validasi diperoleh.

1. Nilai parameter kalibrasi dan validasi Parameter-parameter yang terkait dengan model SMAR yaitu parameter C, Z, H, Y, T, Kg, G, n dan nK. 2. Kriteria Statistik yang Digunakan

K riteria statistik yang digunakan adalah koefisien Nash dan koefisien korelasi. Koefisien Nash menunjukkan tingkat ketelitian dari ko relasi hubungan antara data yang terukur dan terhitung. K alibrasi yang baik akan menghasilkan nilai koefisien Nash mendekati 1. Nilai koefisien Nash dirumuskan (Podger, 2004), sebagai berikut:

Keterangan :











 

  

 _N

1 i

2 mi N

1 i

2 mi si

Q Q

Q Q Sutcliffe

-Nash 1

--- (7)

Q_si = debit terhitung pada interval waktu i

Q_mi = debit terukur pada interval waktu i

Q

= debitterukur rerata untuk periode yang digunakan

i = interval waktu,

(9)

Sedangkan koefisien korelasi menunjuk-kan keeratan hubungan data terukur (variabel X ) dan data terhitung (variabel Y ), sehingga dapat digunakan untuk menunjukkan adanya hubungan yang erat. K oefisien korelasi mempunyai range nilai antara 0 hingga 1, jika korelasinya tinggi nilainya akan mendekati 1. Nilai koefisien korelasi dirumuskan (Podger, 2004).













2 2





2





2





 



Yi Yi

n Xi Xi

Yi Xi -XiYi n r

--- (8)

Keterangan :

Xi = data terukur ke-i, Yi = data terhitung ke-i

b. Prosedur Validasi

Metode kalibrasi yang dilakukan mengacu pada metode 1: The split sample test. Setting

nilai parameter yang dihasilkan selama periode kalibrasi, selanjutnya digunakan untuk verifikasi/validasi untuk periode: 1995 sd 2000.

c. Visualisasi Hasil

K etepatan atau kesahihan model selama proses kalibrasi dan validasi dinilai dengan: koefisien Nash dan koefisien korelasi. Visualisasi hasil dilakukan dengan membandingkan grafik hasil perhitungan dan pengukuran.

HASIL DAN PE MBAHASAN

Visualisasi Data

Analisa sederhana terhadap data hujan dan debit pada ke dua subDAS menunjukkan grafik yang sesuai. Secara umum hujan yang jatuh pada kedua sub-DAS diikuti dengan kenaikan debit sungai, secara konsisten selama periode rekaman data (Gambar 2).

Hasil Kalibrasi

Penerapan metode kalibrasi Generic dan metode optimasi pattern search pada di sub - D AS Rawatamtu menghasilkan koefisien Nash = 0.70 dan koefisien korelasi = 0.84. Metode optimasi lain tidak dapat menghasilkan nilai Nash & ko ef f isient ko relasi leb ih b aik. Se-lanjutnya kombinasi parameter hasil kalibrasi terseb ut dio ptimasi sec ara manual sampai diperoleh nilai koefisien Nash dan koefisien korelasi yang lebih baik, yaitu sebesar 0.73 dan 0.86.

Penggunaan metode yang sama untuk sub-DAS kloposawit, menghasilkan nilai = koefisien Nash = 0.53 dan koefisien ko relasi = 0,73. Perb andingan hasil kalibrasi diberikan pada tabel (5) dan gambar (3) sd (5).

G ambar (3) sd (5) menunjukkan bahwa pada prinsipnya model dapat menirukan fluktuasi debit baik pada musim kemarau, periode banjir (musim hujan), maupun untuk jangka waktu tahunan.

D alam hal ini, kalibrasi dilakukan untuk melihat performance model secara umum, bukan untuk memprediksi debit banjir, atau memperkirakan debit pada periode kering.

Pada gambar (6), untuk sub-DAS rawatamtu terlihat bahwa model memprediksi lebih tinggi debit musim kemarau, hal ini disebabkan pemakaian air untuki irigasi yang berlebihan pada periode tersebut. Data irigasi tidak diikutkan dalam pemodelan, sehingga menyebabkan perhitungan debit lebih tinggi dari realitanya.

Nilai parameter model selama proses kalibrasi diberikan dalam Tabel 6.

(10)

0 50 100 150 200 250 300 350 400 450

01/01/9 1 01/0 5/ 91 29/08 /91 27 /12/ 91 25/04/92 23/08/ 92 21/12/92 20/04/93 18/0 8/9 3 1 6/12/93

Tanggal

D

e

b

it

(

m

3 /d

e

ti

k

)

0

20

40

60

80

100

120

140

160

H

u

ja

n

(m

m

/h

a

r

i)

.

De bit Hujan

0 50 100 150 200 250 300

01/01/91 30/06/91 27/12/91 24/06/ 92 21/12/92 19/06/ 93 16/12/ 93 14/06/94 11/12/94 09/06/95 06/ 12/95

Tanggal

D

e

b

it

(

m

3 /d

e

ti

k

)

.

0

50

10 0

15 0

20 0

25 0

30 0

H

u

ja

n

(m

m

/h

a

r

i)

.

Debit Hujan

(11)

KE SIMPULAN DAN SARAN

Visualisasi grafis dan kriteria statistik yang dihasilkan menunjukkan bahwa secara umum model SMAR dapat mereproduksi proses hidrologi (hujan menjadi aliran) pada ke dua Sub-DAS. Ketepatan hasil pemodel-an lebih ditentukpemodel-an oleh ketersediapemodel-an dpemodel-an kelengkapan data dan proses pemodelan dapat diperbaiki dengan menambah jumlah dan kualitas input data.

UCAPAN TE RIMAKASIH

Penulis mengucapkan terima kasih kepada Dinas PU pangairan Jawa Timur dan UPT PSAWS Sampean baru atas penyediaan data-data untuk penelitian ini dan kepada semua pihak yang telah membantu proses penelitian. berbeda, sedangkan parameter (Z,Y, Kg)

masih menunjukkan range yang lebar. Nilai parameter dari tabel 5, selanjutnya dapat dipertimbangkan untuk aplikasi model pada DAS-DAS di sekitarnya.

Hasil Validasi

Nilai paramter yang diperoleh pada tahap kalibrasi, selanjutnya digunakan untuk evaluasi model pada periode validasi (1995 sd 2000). Hasil validasi diberikan dalam tabel 6. Zoom hasil pemodelan selama periode validasi diberikan dalam gambar (6).

Nilai coefficient Nash sangat dipengaruhi oleh debit besar. Dalam hal ini model tidak dapat mereproduksi dengan baik debit besar, hal ini karena data yang tersedia juga kurang lengkap, sehingga proses pe-modelan tidak optimal.

Kriteria Rawatamtu KlopoSawit

Nash-Sutclife 0.73 0.54

K oefisien Korelasi 0.86 0.73

Tabel 5. Kriteria Statistik Hasil K alibrasi

P arameter Sub-DAS Rawatamtu Sub-DAS Kloposawit Range Parameter

C 0,59 1 0 sd 1

Z 658 377 0 sd 5000

H 0,102 0,104 0 sd 1

Y 45 40 0 sd 5000

T 0,51 0,50 0 sd 1

Kg 0,025 0,001 0 sd 1

n 1,80 2,70 1 sd 6

Nk 0,24 1 0.01 sd 1

G 0,69 0,94 0 - 1

Tabel 6. Parameter Hasil K alibrasi

(12)

0 50 100 150 200 250 300 350 400 450 500

0 1 / 01/ 9 1 3 1/0 5 / 9 1 2 8 /1 0/ 91 26/ 0 3 / 92 23/ 08 /9 2 2 0 / 0 1 /9 3 19/ 0 6 / 93 16/ 1 1/ 93 15 / 0 4 /9 4 12 / 09 /9 4 0 9 / 0 2/ 95 09 / 07 / 9 5

Tanggal

D

e

b

it

(

m

3

/d

et

ik

)

0

20

40

60

80

100

120

H

u

ja

n

(m

m

/h

a

ri

)

.

Hu ja n (mm/ h r) Debi t Te ru ku r (m3 /de ti k ) Deb i t Terh it u ng (m3 /d e ti k)

0 50 100 150 200 250 300 350

0 1/0 1/ 91 20 /0 7/9 1 05 /0 2/9 2 23 /0 8/9 2 11 /0 3/9 3 27 /09 /9 3 15 /04 /9 4 0 1 /11 /9 4 2 0 /05 /9 5 0 6/ 12 /9 5

Tang ga l

D

e

b

it

(

m

3

/d

e

ti

k

)

0

50

100

150

200

250

300

H

u

ja

n

(m

m

/h

a

ri

)

H uja nl (m m/ hari) D eb it T eru kur (m 3/de ti k) D e bit T e r hit un g (m 3/d et ik )

Sub-DAS Rawatamtu

Sub-DAS Kloposawit

(13)

0 3 0 6 0 9 0 12 0 15 0 18 0

0 1/0 6/9 2 1 6/ 06/ 92 0 1/0 7/ 92 16/ 07/ 92 3 1/ 07/ 92 15/ 08 /92 30/ 08/ 92 14 /09 /9 2 29/ 09 /92 14 /10 /9 2 29 /10 /92

Tan ggal

D

e

b

it

(

m

3

/d

e

ti

k

)

.

0

10

20

30

40

50

H

u

ja

n

(

m

/h

a

ri

)

.

Huj an (mm/ hr) Debi t Ter uk ur ( m3 /d etik ) Deb it Terh itu ng ( m3/d etik )

Sub-DAS Rawatamtu

Sub-DAS Kloposawit

Gambar 4. Hasil Kalibrasi, Zoom untuk Periode Kering (Juni - Oktober)

0 25 50 75 100 125 150 175 200

0 1/ 05 / 93 2 6/ 0 5/ 93 2 0 /0 6/ 93 1 5/ 07 /9 3 0 9/ 08 / 93 0 3/ 0 9/ 93 2 8 /0 9/ 93 2 3/ 10 /9 3 1 7/ 11 / 93 1 2/ 1 2/ 93 Ta ngga l

D

e

b

it

(

m

3 /d

e

ti

k

)

.

0

25

50

75

100

125

150

175

200

H

u

ja

n

(

m

/h

a

ri

)

.

(14)

0 50 1 00 1 50 2 00 2 50 3 00 3 50 4 00 4 50 5 00

0 1 /0 1 /9 2 1 6 /0 1 /9 2 3 1 /0 1 / 9 2 1 5 /0 2 /9 2 0 1 / 0 3 / 9 2 1 6 / 0 3 / 9 2 3 1 /0 3 / 9 2 1 5 / 0 4 /9 2 3 0 / 0 4 / 9 2

Ta ng g a l

D

eb

it

(

m

3

/d

e

ti

k

)

.

0

1 0

2 0

3 0

4 0

5 0

6 0

H

u

ja

n

(

m

/h

a

r

.

H u j an (m m/ h r) D e b i t Te r u k u r (m 3 /d et ik ) D e b i t Te rh itu n g ( m3 /d e ti k )

Sub-DAS Rawatamtu

Sub-DAS Kloposawit

Gambar 5. Hasil Kalibrasi, Zoom untuk Periode Penghujan (Januari - April )

0 50 100 150 200 250 300

01 /0 1/9 3 14 /0 1/9 3 2 7/ 01/ 93 0 9/ 02/ 93 22 /02 /9 3 07 /03 /93 2 0/0 3/9 3 02 /0 4/9 3 15 /0 4/9 3 2 8/ 04/ 93

T an g g al

D

e

b

it

(

m

3 /d

e

ti

k

)

.

0

50

100

150

200

250

300

H

u

ja

n

(

m

/h

a

r

i)

.

(15)

0 50 100 150 200 250 300 350 400 450 500

0 1 / 0 1 /9 8 1 0 /0 2 /9 8 2 2 / 0 3 /9 8 0 1 / 0 5 /9 8 1 0 /0 6 /9 8 2 0 / 0 7 /9 8 2 9 /0 8 /9 8 0 8 / 1 0 /9 8 1 7 /1 1 /9 8 2 7 / 1 2 /9 8

Ta ng g al

D

e

b

it

(

m

3

/d

e

ti

k

)

.

0

20

40

60

80

100

120

H

u

ja

n

(

m

/h

ar

H u ja n (mm /h r ) D e b it T er u k u r (m 3 /d e ti k ) D e b i t Ter h itu n g (m3 /d e tik )

Sub-DAS Rawatamtu

0 20 40 60 80 100 120

01/ 01/ 00 20 /02/ 00 10 /04 /00 30/ 05/ 00 19 /07 /00 0 7/09 /00 2 7/1 0/00 16/1 2/0 0

Tanggal

D

e

b

it

(

m

3

/d

et

ik

)

0

30

60

90

120

150

H

u

ja

n

(

m

/h

ar

i)

Huja n (mm/h ari) Debi t Te ru ku r (m3 /det i k) Debit Te rhit u ng (m3 /det i k)

Sub-DAS Kloposawit

(16)

DAFTAR PUSTAKA

Indarto. (2011). Aplikasi E sda untuk Studi Variabilitas Spasial Hujan Bulanan di Jawa Timur. Forum Geografi. Vol. 25, No. 2, pp. 178 - 193.

Kachroo R.K., and Liang. (1992). River Flow Forecasting. Part 5. Applications of Conceptual Model. Journal of Hydrology. 133, 141 – 178.

Nash J.E . (1960). A Unit H ydrograph Study with Particular reference to British Catchment. Proceedings of the Institute of Civil E ngineers, 17, 249 – 282.

O’Connell, P.E ., Nash, J.E and Farrel, J.P. (1970). Riverflow Forecasting through Conceptual Models, part2. The Brosna Catchment at Ferbane. Journal of Hydrology. 10 : 317 – 329.

Podger, G. (2004).Rainfall RunOff L ibrary V ersi 1.05 User Guide. Department of Infrastructure, Planning and Natural Resources; CRC for Catchment Hydrology.

Tuteja, N.K. and O’Connor, C. (1999). A Quasi Physical Snowmelt Run-off Modelling System for Small Catchment. Hydrological Processes. 13 (12/13): 1961 – 1975.